library(ggplot2)
library(ggpubr)
library(markdown)
library(shiny)
## Warning: package 'shiny' was built under R version 4.0.3
library(shinythemes)
library(tidyverse)
## -- Attaching packages ------------------------------------------------------------------------------- tidyverse 1.3.0 --
## v tibble 3.0.1 v dplyr 1.0.2
## v tidyr 1.1.0 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.5.0
## v purrr 0.3.4
## -- Conflicts ---------------------------------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
library(magrittr)
##
## Attaching package: 'magrittr'
## The following object is masked from 'package:purrr':
##
## set_names
## The following object is masked from 'package:tidyr':
##
## extract
library(lubridate)
##
## Attaching package: 'lubridate'
## The following objects are masked from 'package:base':
##
## date, intersect, setdiff, union
library(plotly)
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
library(xts)
## Loading required package: zoo
##
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric
##
## Attaching package: 'xts'
## The following objects are masked from 'package:dplyr':
##
## first, last
library(dygraphs)
library(kableExtra)
##
## Attaching package: 'kableExtra'
## The following object is masked from 'package:dplyr':
##
## group_rows
library(knitr)
library("readxl")
library(rsconnect)
## Warning: package 'rsconnect' was built under R version 4.0.3
##
## Attaching package: 'rsconnect'
## The following object is masked from 'package:shiny':
##
## serverInfo
## The following object is masked from 'package:markdown':
##
## rpubsUpload
library(dplyr)
library(summarytools)
## Warning: package 'summarytools' was built under R version 4.0.3
## Registered S3 method overwritten by 'pryr':
## method from
## print.bytes Rcpp
## For best results, restart R session and update pander using devtools:: or remotes::install_github('rapporter/pander')
##
## Attaching package: 'summarytools'
## The following object is masked from 'package:tibble':
##
## view
library(epiDisplay)
## Warning: package 'epiDisplay' was built under R version 4.0.3
## Loading required package: foreign
## Loading required package: survival
## Loading required package: MASS
##
## Attaching package: 'MASS'
## The following object is masked from 'package:plotly':
##
## select
## The following object is masked from 'package:dplyr':
##
## select
## Loading required package: nnet
##
## Attaching package: 'epiDisplay'
## The following object is masked from 'package:ggplot2':
##
## alpha
#library(leaflet)
library(haven)
library(epiDisplay)
library("readxl")
library(expss)
## Warning: package 'expss' was built under R version 4.0.3
##
## Attaching package: 'expss'
## The following objects are masked from 'package:haven':
##
## is.labelled, read_spss
## The following objects are masked from 'package:xts':
##
## first, last
## The following objects are masked from 'package:magrittr':
##
## and, equals, or
## The following objects are masked from 'package:stringr':
##
## fixed, regex
## The following objects are masked from 'package:dplyr':
##
## between, compute, contains, first, last, na_if, recode, vars
## The following objects are masked from 'package:purrr':
##
## keep, modify, modify_if, transpose, when
## The following objects are masked from 'package:tidyr':
##
## contains, nest
## The following object is masked from 'package:ggpubr':
##
## compare_means
## The following object is masked from 'package:ggplot2':
##
## vars
library(hrbrthemes)
## NOTE: Either Arial Narrow or Roboto Condensed fonts are required to use these themes.
## Please use hrbrthemes::import_roboto_condensed() to install Roboto Condensed and
## if Arial Narrow is not on your system, please see https://bit.ly/arialnarrow
library(viridis)
## Loading required package: viridisLite
library(viridisLite)
library(DescTools)
## Warning: package 'DescTools' was built under R version 4.0.3
library(roperators)
## Warning: package 'roperators' was built under R version 4.0.3
##
## Attaching package: 'roperators'
## The following object is masked from 'package:ggplot2':
##
## %+%
library(shinycssloaders)
## Warning: package 'shinycssloaders' was built under R version 4.0.3
library(writexl)
library(vroom)
## Warning: package 'vroom' was built under R version 4.0.3
library(shinyWidgets)
## Warning: package 'shinyWidgets' was built under R version 4.0.3
library(stringr)
library(dplyr)
library(gapminder)
## Warning: package 'gapminder' was built under R version 4.0.3
library(tidyverse)
library(moderndive)
## Warning: package 'moderndive' was built under R version 4.0.3
library(skimr)
## Warning: package 'skimr' was built under R version 4.0.3
##
## Attaching package: 'skimr'
## The following object is masked from 'package:expss':
##
## contains
oldw <- getOption("warn")
options(warn = -1)
# dataset2017
# newdata <- dataset2017[c("y1", "e6b")]
new.data <- dataset2017[ which( dataset2017$comuna == "Iquique") , ]
cross_tab = xtabs(new.data$expc ~ unlist(new.data$dau) + unlist(new.data$e6a),aggregate(new.data$expc ~ unlist(new.data$dau) + unlist(new.data$e6a),new.data,mean))
tabla <- as.data.frame(cross_tab)
cross_tab
## unlist(new.data$e6a)
## unlist(new.data$dau) Nunca asistió Sala cuna
## I 299 28
## II 1436 93
## III 1481 291
## IV 1049 298
## V 715 94
## VI 722 199
## VII 712 26
## VIII 715 75
## IX 371 360
## X 349 0
## unlist(new.data$e6a)
## unlist(new.data$dau) Jardín Infantil (Medio menor y Medio mayor)
## I 172
## II 413
## III 654
## IV 614
## V 524
## VI 351
## VII 231
## VIII 284
## IX 413
## X 152
## unlist(new.data$e6a)
## unlist(new.data$dau) Prekinder/Kinder (Transición menor y Transición Mayor)
## I 430
## II 747
## III 752
## IV 1129
## V 657
## VI 643
## VII 289
## VIII 495
## IX 256
## X 261
## unlist(new.data$e6a)
## unlist(new.data$dau) Educación Especial (Diferencial)
## I 51
## II 54
## III 146
## IV 95
## V 36
## VI 63
## VII 0
## VIII 24
## IX 38
## X 0
## unlist(new.data$e6a)
## unlist(new.data$dau) Primaria o Preparatoria (Sistema antiguo) Educación Básica
## I 238 1823
## II 619 3716
## III 546 4909
## IV 758 4665
## V 742 4287
## VI 559 3632
## VII 437 3183
## VIII 803 1863
## IX 309 2187
## X 68 956
## unlist(new.data$e6a)
## unlist(new.data$dau) Humanidades (Sistema Antiguo)
## I 458
## II 272
## III 299
## IV 554
## V 803
## VI 1007
## VII 866
## VIII 1215
## IX 737
## X 100
## unlist(new.data$e6a)
## unlist(new.data$dau) Educación Media Científico-Humanista
## I 1901
## II 5732
## III 6317
## IV 6432
## V 7140
## VI 6286
## VII 7009
## VIII 5261
## IX 3854
## X 1446
## unlist(new.data$e6a)
## unlist(new.data$dau) Técnica, Comercial, Industrial o Normalista (Sistema Antiguo
## I 226
## II 170
## III 90
## IV 367
## V 260
## VI 643
## VII 246
## VIII 296
## IX 455
## X 229
## unlist(new.data$e6a)
## unlist(new.data$dau) Educación Media Técnica Profesional
## I 442
## II 1215
## III 2019
## IV 1761
## V 2461
## VI 2667
## VII 2693
## VIII 2666
## IX 1894
## X 625
## unlist(new.data$e6a)
## unlist(new.data$dau) Técnico Nivel Superior Incompleto (Carreras 1 a 3 años)
## I 73
## II 396
## III 247
## IV 347
## V 516
## VI 599
## VII 573
## VIII 1080
## IX 729
## X 639
## unlist(new.data$e6a)
## unlist(new.data$dau) Técnico Nivel Superior Completo (Carreras 1 a 3 años)
## I 236
## II 261
## III 800
## IV 640
## V 871
## VI 566
## VII 800
## VIII 1471
## IX 1450
## X 842
## unlist(new.data$e6a)
## unlist(new.data$dau) Profesional Incompleto (Carreras 4 o más años)
## I 347
## II 836
## III 938
## IV 1428
## V 1512
## VI 1955
## VII 1560
## VIII 1583
## IX 1856
## X 1127
## unlist(new.data$e6a)
## unlist(new.data$dau) Profesional Completo (Carreras 4 o más años)
## I 576
## II 354
## III 525
## IV 479
## V 980
## VI 1535
## VII 1592
## VIII 2756
## IX 4383
## X 4816
## unlist(new.data$e6a)
## unlist(new.data$dau) Postgrado Incompleto Postgrado Completo
## I 0 0
## II 0 0
## III 0 0
## IV 0 0
## V 40 42
## VI 37 79
## VII 59 0
## VIII 58 0
## IX 71 202
## X 265 252
## unlist(new.data$e6a)
## unlist(new.data$dau) No sabe/no responde
## I 35
## II 118
## III 0
## IV 115
## V 39
## VI 84
## VII 26
## VIII 94
## IX 21
## X 0
plot(dataset2017$sexo, dataset2017$pobreza, xlab = "Sexo", ylab = "Pobreza")
library("vcd")
## Loading required package: grid
#DEFAULT and BUSTYPE
x <- xtabs(dataset2017$expc ~ dataset2017$sexo+dataset2017$pobreza+dataset2017$comuna, data=dataset2017)
x
## , , dataset2017$comuna = Iquique
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 943 3113 82885
## Mujer 1418 3006 89247
##
## , , dataset2017$comuna = Alto Hospicio
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1116 4134 57542
## Mujer 1564 3779 58836
##
## , , dataset2017$comuna = Pozo Almonte
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 149 758 8230
## Mujer 185 715 7174
##
## , , dataset2017$comuna = Camiña
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 0 399
## Mujer 0 0 433
##
## , , dataset2017$comuna = Huara
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 136 51 1576
## Mujer 102 102 1521
##
## , , dataset2017$comuna = Pica
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 123 881 6128
## Mujer 123 705 8357
##
## , , dataset2017$comuna = Antofagasta
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 3063 6458 178932
## Mujer 4193 6142 188504
##
## , , dataset2017$comuna = Mejillones
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 313 96 5502
## Mujer 386 144 5336
##
## , , dataset2017$comuna = Sierra Gorda
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 48 868
## Mujer 0 48 1139
##
## , , dataset2017$comuna = Taltal
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 16 0 4364
## Mujer 16 57 4313
##
## , , dataset2017$comuna = Calama
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 301 3116 65483
## Mujer 403 2700 73527
##
## , , dataset2017$comuna = San Pedro de Atacama
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 118 4711
## Mujer 37 27 4614
##
## , , dataset2017$comuna = Tocopilla
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 332 718 8380
## Mujer 464 468 8450
##
## , , dataset2017$comuna = María Elena
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 13 12 1172
## Mujer 39 30 979
##
## , , dataset2017$comuna = Copiapó
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1629 2945 78724
## Mujer 1927 3859 87730
##
## , , dataset2017$comuna = Caldera
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 536 549 6341
## Mujer 321 720 6468
##
## , , dataset2017$comuna = Tierra Amarilla
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 46 581 5753
## Mujer 161 827 5244
##
## , , dataset2017$comuna = Chañaral
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 997 4466
## Mujer 0 773 5025
##
## , , dataset2017$comuna = Diego de Almagro
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 103 187 3774
## Mujer 94 179 3854
##
## , , dataset2017$comuna = Vallenar
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 628 1016 18644
## Mujer 699 1179 20976
##
## , , dataset2017$comuna = Alto del Carmen
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 93 1838
## Mujer 31 225 2262
##
## , , dataset2017$comuna = Freirina
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 236 184 2151
## Mujer 328 267 2567
##
## , , dataset2017$comuna = Huasco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 76 158 3659
## Mujer 114 240 3422
##
## , , dataset2017$comuna = La Serena
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 4194 6522 101213
## Mujer 4817 9419 114251
##
## , , dataset2017$comuna = Coquimbo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 3509 11550 100718
## Mujer 5160 12872 108010
##
## , , dataset2017$comuna = Andacollo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 618 3289
## Mujer 0 627 2785
##
## , , dataset2017$comuna = La Higuera
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 165 179 1615
## Mujer 290 165 1329
##
## , , dataset2017$comuna = Paiguano
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 187 2038
## Mujer 0 476 1838
##
## , , dataset2017$comuna = Vicuña
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 132 1435 11092
## Mujer 330 1318 12028
##
## , , dataset2017$comuna = Illapel
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 158 1138 12613
## Mujer 175 1878 14170
##
## , , dataset2017$comuna = Canela
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 211 827 2867
## Mujer 180 764 2462
##
## , , dataset2017$comuna = Los Vilos
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 27 1394 7289
## Mujer 0 1643 8144
##
## , , dataset2017$comuna = Salamanca
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 803 942 10629
## Mujer 438 741 9470
##
## , , dataset2017$comuna = Ovalle
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 445 2521 50560
## Mujer 574 2429 58487
##
## , , dataset2017$comuna = Combarbalá
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 267 205 4171
## Mujer 840 473 5155
##
## , , dataset2017$comuna = Monte Patria
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 639 2390 12387
## Mujer 566 3420 12446
##
## , , dataset2017$comuna = Punitaqui
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 414 1003 3957
## Mujer 276 1237 3539
##
## , , dataset2017$comuna = Río Hurtado
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 49 147 1792
## Mujer 98 98 1796
##
## , , dataset2017$comuna = Valparaíso
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1066 6767 111352
## Mujer 1413 7631 122336
##
## , , dataset2017$comuna = Casablanca
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 97 1129 14014
## Mujer 194 1661 16889
##
## , , dataset2017$comuna = Concón
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 571 35956
## Mujer 0 1142 43528
##
## , , dataset2017$comuna = Juan Fernandez
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 0 0
## Mujer 0 0 0
##
## , , dataset2017$comuna = Puchuncaví
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 354 404 8619
## Mujer 293 160 7965
##
## , , dataset2017$comuna = Quintero
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 426 13520
## Mujer 0 753 13240
##
## , , dataset2017$comuna = Viña del Mar
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1662 3507 120625
## Mujer 2279 5829 144078
##
## , , dataset2017$comuna = Los Andes
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1428 1116 36020
## Mujer 1260 1172 37431
##
## , , dataset2017$comuna = Calle Larga
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 290 809 4181
## Mujer 315 741 4497
##
## , , dataset2017$comuna = Rinconada
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 81 490 3944
## Mujer 108 224 3657
##
## , , dataset2017$comuna = San Esteban
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 97 682 7772
## Mujer 291 1104 8855
##
## , , dataset2017$comuna = La Ligua
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 464 2176 13589
## Mujer 474 4912 18419
##
## , , dataset2017$comuna = Cabildo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 1808 9024
## Mujer 138 1656 8807
##
## , , dataset2017$comuna = Papudo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 50 152 2782
## Mujer 50 304 2528
##
## , , dataset2017$comuna = Petorca
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 246 3800
## Mujer 0 476 5024
##
## , , dataset2017$comuna = Zapallar
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 34 3501
## Mujer 0 68 4375
##
## , , dataset2017$comuna = Quillota
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1321 3433 38329
## Mujer 1227 3079 43252
##
## , , dataset2017$comuna = Calera
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1224 2779 22226
## Mujer 1195 3580 25157
##
## , , dataset2017$comuna = Hijuelas
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 538 375 9600
## Mujer 184 375 9092
##
## , , dataset2017$comuna = La Cruz
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 103 432 7752
## Mujer 103 864 8221
##
## , , dataset2017$comuna = Nogales
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 928 12144
## Mujer 0 707 13807
##
## , , dataset2017$comuna = San Antonio
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 695 2548 44214
## Mujer 1035 3806 49409
##
## , , dataset2017$comuna = Algarrobo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 41 7261
## Mujer 0 287 8258
##
## , , dataset2017$comuna = Cartagena
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 1099 13827
## Mujer 0 708 14711
##
## , , dataset2017$comuna = El Quisco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 182 0 8036
## Mujer 182 0 10632
##
## , , dataset2017$comuna = El Tabo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 140 6959
## Mujer 0 560 6910
##
## , , dataset2017$comuna = Santo Domingo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 168 4595
## Mujer 0 168 4816
##
## , , dataset2017$comuna = San Felipe
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 884 2796 34122
## Mujer 1098 2646 41053
##
## , , dataset2017$comuna = Catemu
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 236 984 4972
## Mujer 127 1052 6055
##
## , , dataset2017$comuna = Llaillay
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 118 530 10992
## Mujer 236 562 11480
##
## , , dataset2017$comuna = Panquehue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 25 320 3425
## Mujer 75 348 3640
##
## , , dataset2017$comuna = Putaendo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 97 764 8023
## Mujer 194 570 8082
##
## , , dataset2017$comuna = Santa María
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 683 6432
## Mujer 0 1380 6724
##
## , , dataset2017$comuna = Quilpué
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1555 3438 77116
## Mujer 845 3334 90562
##
## , , dataset2017$comuna = Limache
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 42 570 20369
## Mujer 71 1496 24404
##
## , , dataset2017$comuna = Olmué
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 462 6902
## Mujer 0 439 9032
##
## , , dataset2017$comuna = Villa Alemana
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1307 1589 67939
## Mujer 1333 1331 79613
##
## , , dataset2017$comuna = Rancagua
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 2937 9473 110392
## Mujer 3151 11434 121974
##
## , , dataset2017$comuna = Codegua
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 175 5912
## Mujer 0 512 6650
##
## , , dataset2017$comuna = Coinco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 80 400 2969
## Mujer 171 685 3253
##
## , , dataset2017$comuna = Coltauco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 461 899 7208
## Mujer 391 1037 7946
##
## , , dataset2017$comuna = Doñihue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 119 489 9810
## Mujer 119 718 10587
##
## , , dataset2017$comuna = Graneros
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 72 759 15864
## Mujer 152 1203 14750
##
## , , dataset2017$comuna = Las Cabras
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 336 1192 11049
## Mujer 580 1736 10217
##
## , , dataset2017$comuna = Machalí
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 699 800 17850
## Mujer 537 815 18128
##
## , , dataset2017$comuna = Malloa
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 67 663 6283
## Mujer 134 614 6296
##
## , , dataset2017$comuna = Mostazal
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 474 669 12785
## Mujer 711 821 12991
##
## , , dataset2017$comuna = Olivar
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 42 452 6397
## Mujer 77 397 7148
##
## , , dataset2017$comuna = Peumo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 163 794 6274
## Mujer 399 749 7210
##
## , , dataset2017$comuna = Pichidegua
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 1804 8615
## Mujer 0 1547 7824
##
## , , dataset2017$comuna = Quinta de Tilcoco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 50 683 4891
## Mujer 200 853 5461
##
## , , dataset2017$comuna = Rengo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 450 3016 26995
## Mujer 478 3256 31182
##
## , , dataset2017$comuna = Requínoa
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 818 12145
## Mujer 0 863 13584
##
## , , dataset2017$comuna = San Vicente
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 435 1036 22732
## Mujer 360 1198 24277
##
## , , dataset2017$comuna = Pichilemu
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 85 6991
## Mujer 0 85 8399
##
## , , dataset2017$comuna = La Estrella
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 39 269 1469
## Mujer 46 241 1612
##
## , , dataset2017$comuna = Litueche
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 191 2435
## Mujer 73 298 2420
##
## , , dataset2017$comuna = Marchihue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 74 86 4116
## Mujer 46 107 3691
##
## , , dataset2017$comuna = Navidad
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 181 211 2408
## Mujer 133 182 2284
##
## , , dataset2017$comuna = Paredones
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 87 384 2853
## Mujer 122 461 2783
##
## , , dataset2017$comuna = San Fernando
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1509 1885 32448
## Mujer 1559 2920 36030
##
## , , dataset2017$comuna = Chépica
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 50 357 6161
## Mujer 184 633 6003
##
## , , dataset2017$comuna = Chimbarongo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 255 1855 13914
## Mujer 255 3198 15534
##
## , , dataset2017$comuna = Lolol
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 511 2784
## Mujer 0 436 2938
##
## , , dataset2017$comuna = Nancagua
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 470 469 7673
## Mujer 507 600 8090
##
## , , dataset2017$comuna = Palmilla
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 305 5252
## Mujer 0 522 5668
##
## , , dataset2017$comuna = Peralillo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 31 357 4761
## Mujer 69 173 5284
##
## , , dataset2017$comuna = Placilla
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 141 865 3338
## Mujer 294 666 3233
##
## , , dataset2017$comuna = Pumanque
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 120 1106
## Mujer 0 216 1484
##
## , , dataset2017$comuna = Santa Cruz
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 103 534 17373
## Mujer 103 959 18408
##
## , , dataset2017$comuna = Talca
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 2055 7715 116661
## Mujer 2728 7595 127277
##
## , , dataset2017$comuna = Constitución
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 107 1614 25205
## Mujer 147 1772 28569
##
## , , dataset2017$comuna = Curepto
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 223 294 3438
## Mujer 305 361 3901
##
## , , dataset2017$comuna = Empedrado
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 30 220 1586
## Mujer 55 293 1574
##
## , , dataset2017$comuna = Maule
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 733 10694
## Mujer 0 1708 10877
##
## , , dataset2017$comuna = Pelarco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 47 261 2980
## Mujer 47 749 2571
##
## , , dataset2017$comuna = Pencahue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 305 4766
## Mujer 0 182 3742
##
## , , dataset2017$comuna = Río Claro
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 773 6284
## Mujer 40 323 5348
##
## , , dataset2017$comuna = San Clemente
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1144 2164 16791
## Mujer 1008 1800 16234
##
## , , dataset2017$comuna = San Rafael
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 81 4224
## Mujer 0 143 4295
##
## , , dataset2017$comuna = Cauquenes
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1211 2649 16140
## Mujer 1337 3120 17552
##
## , , dataset2017$comuna = Chanco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 255 654 3469
## Mujer 250 738 3837
##
## , , dataset2017$comuna = Pelluhue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 367 622 3082
## Mujer 364 786 3046
##
## , , dataset2017$comuna = Curicó
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1769 4705 66058
## Mujer 1751 5452 69980
##
## , , dataset2017$comuna = Hualañé
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 131 905 4444
## Mujer 409 1008 3552
##
## , , dataset2017$comuna = Licantén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 255 551 2678
## Mujer 245 838 3006
##
## , , dataset2017$comuna = Molina
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1434 999 19099
## Mujer 1121 966 19570
##
## , , dataset2017$comuna = Rauco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 459 495 4100
## Mujer 201 725 4176
##
## , , dataset2017$comuna = Romeral
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 266 524 6574
## Mujer 224 535 6849
##
## , , dataset2017$comuna = Sagrada Familia
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 569 385 8713
## Mujer 661 535 7983
##
## , , dataset2017$comuna = Teno
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 390 522 13429
## Mujer 394 513 13054
##
## , , dataset2017$comuna = Vichuquén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 309 2080
## Mujer 3 446 1881
##
## , , dataset2017$comuna = Linares
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 814 3544 39116
## Mujer 1038 4606 42924
##
## , , dataset2017$comuna = Colbún
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 228 2656 6550
## Mujer 372 2388 6475
##
## , , dataset2017$comuna = Longaví
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 675 2856 10941
## Mujer 509 3804 9752
##
## , , dataset2017$comuna = Parral
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 487 2411 14045
## Mujer 916 2313 16431
##
## , , dataset2017$comuna = Retiro
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 429 1722 5746
## Mujer 440 1794 6102
##
## , , dataset2017$comuna = San Javier
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 945 2992 15210
## Mujer 1210 3169 17779
##
## , , dataset2017$comuna = Villa Alegre
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 138 1104 5494
## Mujer 69 1626 5740
##
## , , dataset2017$comuna = Yerbas Buenas
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 383 1414 7150
## Mujer 674 1790 5752
##
## , , dataset2017$comuna = Concepción
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 2869 4679 92314
## Mujer 3892 9172 109627
##
## , , dataset2017$comuna = Coronel
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 980 3958 48748
## Mujer 1807 5558 53763
##
## , , dataset2017$comuna = Chiguayante
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 3044 4593 64558
## Mujer 2601 4704 73314
##
## , , dataset2017$comuna = Florida
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 84 471 3549
## Mujer 336 763 3922
##
## , , dataset2017$comuna = Hualqui
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 294 766 10748
## Mujer 235 1858 10483
##
## , , dataset2017$comuna = Lota
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 500 3544 17983
## Mujer 1258 2632 19503
##
## , , dataset2017$comuna = Penco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1067 1063 24323
## Mujer 523 1269 28154
##
## , , dataset2017$comuna = San Pedro de la Paz
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 3002 3866 42285
## Mujer 3439 4730 48336
##
## , , dataset2017$comuna = Santa Juana
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 305 682 6153
## Mujer 445 445 5456
##
## , , dataset2017$comuna = Talcahuano
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1458 4245 72309
## Mujer 2095 4358 81603
##
## , , dataset2017$comuna = Tomé
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 126 1955 26607
## Mujer 324 1490 26448
##
## , , dataset2017$comuna = Hualpén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 767 2817 35640
## Mujer 969 3435 36767
##
## , , dataset2017$comuna = Lebu
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 213 902 10965
## Mujer 213 1499 11132
##
## , , dataset2017$comuna = Arauco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1031 2336 17559
## Mujer 2487 1683 20729
##
## , , dataset2017$comuna = Cañete
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 688 1525 13807
## Mujer 834 1969 15487
##
## , , dataset2017$comuna = Contulmo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 105 455 1494
## Mujer 132 497 1688
##
## , , dataset2017$comuna = Curanilahue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 282 1163 12392
## Mujer 388 1439 13043
##
## , , dataset2017$comuna = Los Álamos
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 720 885 8775
## Mujer 786 615 10062
##
## , , dataset2017$comuna = Tirúa
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 374 982 3916
## Mujer 446 1112 4362
##
## , , dataset2017$comuna = Los Ángeles
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 4343 10695 85792
## Mujer 4620 16508 93267
##
## , , dataset2017$comuna = Antuco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 290 326 907
## Mujer 380 277 1150
##
## , , dataset2017$comuna = Cabrero
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 493 808 14589
## Mujer 429 1268 15263
##
## , , dataset2017$comuna = Laja
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 496 901 7399
## Mujer 286 1482 8114
##
## , , dataset2017$comuna = Mulchén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 273 1616 11977
## Mujer 455 1434 11025
##
## , , dataset2017$comuna = Nacimiento
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 517 1134 10578
## Mujer 1144 1159 10733
##
## , , dataset2017$comuna = Negrete
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 286 342 4016
## Mujer 212 342 3645
##
## , , dataset2017$comuna = Quilaco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 13 355 1209
## Mujer 13 363 1351
##
## , , dataset2017$comuna = Quilleco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 93 714 4289
## Mujer 205 718 3989
##
## , , dataset2017$comuna = San Rosendo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 108 179 1336
## Mujer 114 220 1243
##
## , , dataset2017$comuna = Santa Bárbara
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 118 1127 5618
## Mujer 59 1040 6822
##
## , , dataset2017$comuna = Tucapel
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 144 871 5659
## Mujer 195 962 5775
##
## , , dataset2017$comuna = Yumbel
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1066 1213 6404
## Mujer 1185 1758 8225
##
## , , dataset2017$comuna = Alto Biobío
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1238 768 2352
## Mujer 822 704 3532
##
## , , dataset2017$comuna = Temuco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1843 13458 137200
## Mujer 3050 14864 163553
##
## , , dataset2017$comuna = Carahue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 759 1505 9331
## Mujer 1370 1673 9011
##
## , , dataset2017$comuna = Cunco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 222 1144 7722
## Mujer 296 1442 7022
##
## , , dataset2017$comuna = Curarrehue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 89 780 2976
## Mujer 190 554 3328
##
## , , dataset2017$comuna = Freire
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1112 2126 9860
## Mujer 1223 2320 11065
##
## , , dataset2017$comuna = Galvarino
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 451 1457 2950
## Mujer 494 1411 3018
##
## , , dataset2017$comuna = Gorbea
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 629 6629
## Mujer 0 750 6930
##
## , , dataset2017$comuna = Lautaro
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 877 1467 14321
## Mujer 1173 1863 16775
##
## , , dataset2017$comuna = Loncoche
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 706 2381 7111
## Mujer 972 2002 7075
##
## , , dataset2017$comuna = Melipeuco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 122 557 2100
## Mujer 171 484 1710
##
## , , dataset2017$comuna = Nueva Imperial
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 187 2159 12765
## Mujer 435 2544 13456
##
## , , dataset2017$comuna = Padre Las Casas
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 2498 5382 33586
## Mujer 3244 4578 33372
##
## , , dataset2017$comuna = Perquenco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 147 416 2817
## Mujer 103 638 2791
##
## , , dataset2017$comuna = Pitrufquén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 150 530 10651
## Mujer 300 901 11515
##
## , , dataset2017$comuna = Pucón
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 1380 18022
## Mujer 162 892 17630
##
## , , dataset2017$comuna = Saavedra
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 488 1491 4173
## Mujer 317 1621 4022
##
## , , dataset2017$comuna = Teodoro Schmidt
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 779 1366 5512
## Mujer 800 959 5807
##
## , , dataset2017$comuna = Toltén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 747 1034 2644
## Mujer 697 1342 2379
##
## , , dataset2017$comuna = Vilcún
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1222 2701 7546
## Mujer 1032 3496 7877
##
## , , dataset2017$comuna = Villarrica
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1529 2030 27638
## Mujer 1396 2601 28464
##
## , , dataset2017$comuna = Cholchol
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 865 1471 2836
## Mujer 692 1748 2704
##
## , , dataset2017$comuna = Angol
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 477 2845 19507
## Mujer 850 3336 22311
##
## , , dataset2017$comuna = Collipulli
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 388 1935 7089
## Mujer 558 2124 7937
##
## , , dataset2017$comuna = Curacautín
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 162 503 6237
## Mujer 270 768 5980
##
## , , dataset2017$comuna = Ercilla
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 180 434 3250
## Mujer 345 853 3689
##
## , , dataset2017$comuna = Lonquimay
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 566 1497 3848
## Mujer 392 1397 3129
##
## , , dataset2017$comuna = Los Sauces
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 279 392 1826
## Mujer 199 361 2356
##
## , , dataset2017$comuna = Lumaco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 418 973 2968
## Mujer 530 1058 3022
##
## , , dataset2017$comuna = Purén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 248 362 4693
## Mujer 253 512 4423
##
## , , dataset2017$comuna = Renaico
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 105 500 3292
## Mujer 99 567 4001
##
## , , dataset2017$comuna = Traiguén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 290 1139 5872
## Mujer 438 1411 6895
##
## , , dataset2017$comuna = Victoria
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1536 1956 11095
## Mujer 1825 1881 12657
##
## , , dataset2017$comuna = Puerto Montt
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 4522 9650 114613
## Mujer 5946 11968 126499
##
## , , dataset2017$comuna = Calbuco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 556 1474 15510
## Mujer 731 2001 16482
##
## , , dataset2017$comuna = Fresia
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 242 712 4305
## Mujer 150 925 4828
##
## , , dataset2017$comuna = Frutillar
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 237 450 8348
## Mujer 351 450 8625
##
## , , dataset2017$comuna = Los Muermos
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 164 311 6893
## Mujer 244 635 6824
##
## , , dataset2017$comuna = Llanquihue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 206 952 7910
## Mujer 919 1101 7854
##
## , , dataset2017$comuna = Maullín
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 198 754 4967
## Mujer 153 944 4827
##
## , , dataset2017$comuna = Puerto Varas
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 67 771 20863
## Mujer 201 1252 19931
##
## , , dataset2017$comuna = Castro
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 585 2856 25340
## Mujer 527 2595 26851
##
## , , dataset2017$comuna = Ancud
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 997 1972 16536
## Mujer 1523 2161 17943
##
## , , dataset2017$comuna = Chonchi
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 423 476 7092
## Mujer 427 478 6456
##
## , , dataset2017$comuna = Curaco de Vélez
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 45 243 1638
## Mujer 45 378 1773
##
## , , dataset2017$comuna = Dalcahue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 804 8231
## Mujer 0 934 8273
##
## , , dataset2017$comuna = Puqueldón
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 266 1518
## Mujer 0 228 1892
##
## , , dataset2017$comuna = Queilén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 212 339 2107
## Mujer 150 402 1862
##
## , , dataset2017$comuna = Quellón
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1044 1614 16963
## Mujer 1067 1456 16977
##
## , , dataset2017$comuna = Quemchi
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 158 899 3454
## Mujer 79 1015 3416
##
## , , dataset2017$comuna = Quinchao
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 562 743 2596
## Mujer 649 743 3068
##
## , , dataset2017$comuna = Osorno
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1469 5035 69529
## Mujer 1722 5952 82059
##
## , , dataset2017$comuna = Puerto Octay
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 94 344 3428
## Mujer 250 250 3830
##
## , , dataset2017$comuna = Purranque
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 574 573 8785
## Mujer 254 724 8950
##
## , , dataset2017$comuna = Puyehue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 231 236 4616
## Mujer 154 479 4464
##
## , , dataset2017$comuna = Río Negro
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 158 603 5188
## Mujer 222 744 4728
##
## , , dataset2017$comuna = San Juan de la Costa
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 374 518 1594
## Mujer 777 871 2433
##
## , , dataset2017$comuna = San Pablo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 88 527 3750
## Mujer 88 565 2888
##
## , , dataset2017$comuna = Coyhaique
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 112 788 27917
## Mujer 89 801 29405
##
## , , dataset2017$comuna = Aysén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 347 927 12162
## Mujer 330 806 12707
##
## , , dataset2017$comuna = Cisnes
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 124 33 2538
## Mujer 190 33 2252
##
## , , dataset2017$comuna = Cochrane
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 30 48 1168
## Mujer 30 24 1205
##
## , , dataset2017$comuna = Chile Chico
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 57 2522
## Mujer 0 115 2668
##
## , , dataset2017$comuna = Río Ibáñez
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 48 731
## Mujer 39 72 902
##
## , , dataset2017$comuna = Punta Arenas
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 307 867 57769
## Mujer 601 932 61331
##
## , , dataset2017$comuna = Porvenir
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 0 2636
## Mujer 0 0 2207
##
## , , dataset2017$comuna = Natales
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 90 112 10103
## Mujer 45 197 9981
##
## , , dataset2017$comuna = Santiago
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 903 1575 61165
## Mujer 453 2082 61209
##
## , , dataset2017$comuna = Cerrillos
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 728 728 25717
## Mujer 1638 972 29293
##
## , , dataset2017$comuna = Cerro Navia
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 976 2983 51612
## Mujer 1722 2932 59028
##
## , , dataset2017$comuna = Conchalí
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 236 2391 40608
## Mujer 601 3246 42436
##
## , , dataset2017$comuna = El Bosque
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1865 4882 68126
## Mujer 1981 5520 70797
##
## , , dataset2017$comuna = Estación Central
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 551 1170 43288
## Mujer 1238 2339 43906
##
## , , dataset2017$comuna = Huechuraba
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 2135 40151
## Mujer 243 2824 41731
##
## , , dataset2017$comuna = Independencia
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 610 1354 17692
## Mujer 970 1323 19114
##
## , , dataset2017$comuna = La Cisterna
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 944 1884 28097
## Mujer 314 1689 27771
##
## , , dataset2017$comuna = La Florida
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 2208 5369 174108
## Mujer 2681 6842 195292
##
## , , dataset2017$comuna = La Granja
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 655 1404 54000
## Mujer 980 1652 53018
##
## , , dataset2017$comuna = La Pintana
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 3888 8471 77774
## Mujer 3739 12447 90415
##
## , , dataset2017$comuna = La Reina
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 410 0 43711
## Mujer 322 0 43160
##
## , , dataset2017$comuna = Las Condes
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 86 136066
## Mujer 351 86 150167
##
## , , dataset2017$comuna = Lo Barnechea
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 360 1020 54446
## Mujer 478 1641 66390
##
## , , dataset2017$comuna = Lo Espejo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 679 1463 39253
## Mujer 389 2528 42593
##
## , , dataset2017$comuna = Lo Prado
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 296 1826 33445
## Mujer 296 1726 42482
##
## , , dataset2017$comuna = Macul
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 118 2462 35871
## Mujer 354 3318 42061
##
## , , dataset2017$comuna = Maipú
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1438 10535 514687
## Mujer 3196 11712 579502
##
## , , dataset2017$comuna = Ñuñoa
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 440 211 55689
## Mujer 230 211 70136
##
## , , dataset2017$comuna = Pedro Aguirre Cerda
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 995 555 38987
## Mujer 1151 1590 34660
##
## , , dataset2017$comuna = Peñalolén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1688 2722 115560
## Mujer 1434 4599 126217
##
## , , dataset2017$comuna = Providencia
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 190 39 55198
## Mujer 198 78 62174
##
## , , dataset2017$comuna = Pudahuel
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 5028 4942 136320
## Mujer 5433 10036 140090
##
## , , dataset2017$comuna = Quilicura
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 2800 4722 124694
## Mujer 3047 4473 129796
##
## , , dataset2017$comuna = Quinta Normal
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 605 427 34001
## Mujer 807 524 37511
##
## , , dataset2017$comuna = Recoleta
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1071 2493 44605
## Mujer 1200 2124 53679
##
## , , dataset2017$comuna = Renca
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 782 1026 55453
## Mujer 899 1131 62166
##
## , , dataset2017$comuna = San Joaquín
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 1534 29096
## Mujer 118 1553 30979
##
## , , dataset2017$comuna = San Miguel
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 312 662 25674
## Mujer 653 1708 31758
##
## , , dataset2017$comuna = San Ramón
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 254 997 34293
## Mujer 137 1712 36248
##
## , , dataset2017$comuna = Vitacura
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 0 34241
## Mujer 0 0 37609
##
## , , dataset2017$comuna = Puente Alto
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 6915 18048 383259
## Mujer 10701 27259 420689
##
## , , dataset2017$comuna = Pirque
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 1235 11374
## Mujer 0 455 13996
##
## , , dataset2017$comuna = San José de Maipo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 206 190 6407
## Mujer 103 328 6449
##
## , , dataset2017$comuna = Colina
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1127 2067 56895
## Mujer 1471 2825 59434
##
## , , dataset2017$comuna = Lampa
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 161 1140 38245
## Mujer 161 1143 38459
##
## , , dataset2017$comuna = Tiltil
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 222 380 7828
## Mujer 103 354 7306
##
## , , dataset2017$comuna = San Bernardo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 3425 11735 138037
## Mujer 4007 12923 161770
##
## , , dataset2017$comuna = Buin
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 2535 33927
## Mujer 0 4077 34291
##
## , , dataset2017$comuna = Calera de Tango
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 82 298 14211
## Mujer 82 578 16244
##
## , , dataset2017$comuna = Paine
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 449 37384
## Mujer 0 1355 31850
##
## , , dataset2017$comuna = Melipilla
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 296 1963 49307
## Mujer 0 2981 53229
##
## , , dataset2017$comuna = Alhué
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 75 64 2279
## Mujer 25 32 2040
##
## , , dataset2017$comuna = Curacaví
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 453 328 14516
## Mujer 856 1012 14033
##
## , , dataset2017$comuna = María Pinto
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 252 424 5113
## Mujer 252 572 5404
##
## , , dataset2017$comuna = San Pedro
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 92 3598
## Mujer 0 184 4036
##
## , , dataset2017$comuna = Talagante
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 900 0 42186
## Mujer 258 120 40510
##
## , , dataset2017$comuna = El Monte
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 423 1319 13979
## Mujer 474 1420 14765
##
## , , dataset2017$comuna = Isla de Maipo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 374 1009 14773
## Mujer 487 1021 16035
##
## , , dataset2017$comuna = Padre Hurtado
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1292 1891 21572
## Mujer 1064 1892 25893
##
## , , dataset2017$comuna = Peñaflor
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 852 589 41491
## Mujer 1246 1251 48576
##
## , , dataset2017$comuna = Valdivia
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1910 3843 70778
## Mujer 1757 4868 81189
##
## , , dataset2017$comuna = Corral
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 333 207 1637
## Mujer 337 268 1635
##
## , , dataset2017$comuna = Lanco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 282 1119 6316
## Mujer 282 1462 6648
##
## , , dataset2017$comuna = Los Lagos
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 431 1058 9130
## Mujer 643 1161 8676
##
## , , dataset2017$comuna = Máfil
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 87 138 2860
## Mujer 101 311 2758
##
## , , dataset2017$comuna = Mariquina
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 574 659 6928
## Mujer 645 760 7534
##
## , , dataset2017$comuna = Paillaco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 550 1138 7723
## Mujer 653 1706 7587
##
## , , dataset2017$comuna = Panguipulli
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 239 1952 13299
## Mujer 257 1995 15709
##
## , , dataset2017$comuna = La Unión
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 662 1540 14970
## Mujer 595 1905 15985
##
## , , dataset2017$comuna = Futrono
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 276 674 6543
## Mujer 184 656 6945
##
## , , dataset2017$comuna = Lago Ranco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 411 3286
## Mujer 0 478 4468
##
## , , dataset2017$comuna = Río Bueno
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 519 1766 11403
## Mujer 574 2082 12746
##
## , , dataset2017$comuna = Arica
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1722 4092 70931
## Mujer 2071 5112 74191
##
## , , dataset2017$comuna = Camarones
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 72 36 732
## Mujer 144 0 497
##
## , , dataset2017$comuna = Putre
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 12 32 272
## Mujer 7 42 199
##
## , , dataset2017$comuna = Chillán
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 2488 5805 71851
## Mujer 2339 9970 85696
##
## , , dataset2017$comuna = Bulnes
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 0 691 8690
## Mujer 555 1717 9750
##
## , , dataset2017$comuna = Chillán Viejo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 1462 2409 13781
## Mujer 918 2717 14634
##
## , , dataset2017$comuna = El Carmen
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 774 1017 3593
## Mujer 504 985 3649
##
## , , dataset2017$comuna = Pemuco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 254 858 3373
## Mujer 446 877 3198
##
## , , dataset2017$comuna = Pinto
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 889 985 3892
## Mujer 834 851 3683
##
## , , dataset2017$comuna = Quillón
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 347 1289 5645
## Mujer 429 889 6752
##
## , , dataset2017$comuna = San Ignacio
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 877 1806 5483
## Mujer 789 1083 4959
##
## , , dataset2017$comuna = Yungay
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 311 1171 7258
## Mujer 922 1283 7621
##
## , , dataset2017$comuna = Quirihue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 276 659 4657
## Mujer 232 721 4774
##
## , , dataset2017$comuna = Cobquecura
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 400 339 1339
## Mujer 490 531 1288
##
## , , dataset2017$comuna = Coelemu
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 333 582 5969
## Mujer 321 1030 6178
##
## , , dataset2017$comuna = Ninhue
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 191 287 1565
## Mujer 271 422 1892
##
## , , dataset2017$comuna = Portezuelo
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 87 263 1634
## Mujer 100 230 2071
##
## , , dataset2017$comuna = Ránquil
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 58 12 1969
## Mujer 52 73 2175
##
## , , dataset2017$comuna = Treguaco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 126 266 1722
## Mujer 105 394 2055
##
## , , dataset2017$comuna = San Carlos
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 635 2380 20106
## Mujer 1003 2358 23967
##
## , , dataset2017$comuna = Coihueco
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 467 1983 8731
## Mujer 681 2407 10342
##
## , , dataset2017$comuna = Ñiquén
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 96 621 3718
## Mujer 280 518 3468
##
## , , dataset2017$comuna = San Fabián
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 53 113 1404
## Mujer 46 151 1428
##
## , , dataset2017$comuna = San Nicolás
##
## dataset2017$pobreza
## dataset2017$sexo Pobres extremos Pobres no extremos No pobres
## Hombre 49 587 4327
## Mujer 34 597 4253
# plot(x, main="Type of small business", sub="train", col="darkgreen")
#
#
# tbl <- table(dataset2017$sexo, dataset2017$pobreza)
# chisq.test(tbl)
In our statistical results, both p-values are less than 0.05. We can reject the null hypothesis and conclude there is a relationship between shirt color and deaths. The next step is to define that relationship.
ggplot(data=dataset2017, aes(x=pobreza, ..count..)) + geom_bar(aes(fill = sexo), position = "dodge")
ggplot(tabla, aes(x = unlist(tabla$unlist.new.data.dau.), y = Freq)) +
geom_bar(stat = "identity", color = "black", fill = "grey") +
labs(title = "Frequency by country\n", x = "\nCountry", y = "Frequency\n") +
theme_classic()
library(dplyr)
p1 <- plot_ly(dataset2017 , x = ~dau, color = ~e6a) %>% add_histogram()%>%
layout(showlegend = TRUE, legend = list(font = list(size = 8)))
p1
library(dplyr)
p2 <- plot_ly(dataset2017 , x = ~pobreza, color = ~dau) %>% add_histogram()%>%
layout(showlegend = TRUE, legend = list(font = list(size = 8)))
p2
library(dplyr)
p2 <- plot_ly(dataset2017 , x = ~dau, color = ~oficio1) %>% add_histogram()%>%
layout(showlegend = TRUE, legend = list(font = list(size = 8)))
p2
library(dplyr)
promedios <- aggregate( dataset2017$y0101 , by = list(dataset2017$comuna), FUN=mean, na.rm =TRUE)
names(promedios)[2] <- "ingreso"
promedios
## Group.1 ingreso
## 1 Iquique 567914.6
## 2 Alto Hospicio 429569.0
## 3 Pozo Almonte 466371.4
## 4 Camiña 435823.5
## 5 Huara 351727.3
## 6 Pica 466473.7
## 7 Antofagasta 640835.3
## 8 Mejillones 455348.5
## 9 Sierra Gorda 488976.2
## 10 Taltal 490075.0
## 11 Calama 673089.0
## 12 San Pedro de Atacama 494232.6
## 13 Tocopilla 538416.7
## 14 María Elena 532841.5
## 15 Copiapó 580178.7
## 16 Caldera 474212.8
## 17 Tierra Amarilla 447117.6
## 18 Chañaral 487383.0
## 19 Diego de Almagro 670413.0
## 20 Vallenar 494652.3
## 21 Alto del Carmen 315043.5
## 22 Freirina 420875.0
## 23 Huasco 482041.7
## 24 La Serena 466381.3
## 25 Coquimbo 416541.5
## 26 Andacollo 411876.7
## 27 La Higuera 378254.5
## 28 Paiguano 331120.0
## 29 Vicuña 369576.2
## 30 Illapel 417145.5
## 31 Canela 361233.0
## 32 Los Vilos 385105.6
## 33 Salamanca 410833.3
## 34 Ovalle 395937.4
## 35 Combarbalá 342112.9
## 36 Monte Patria 304043.5
## 37 Punitaqui 371549.6
## 38 Río Hurtado 288961.5
## 39 Valparaíso 458162.1
## 40 Casablanca 372044.9
## 41 Concón 595043.1
## 42 Puchuncaví 312131.1
## 43 Quintero 503224.1
## 44 Viña del Mar 632789.3
## 45 Los Andes 481408.9
## 46 Calle Larga 332159.1
## 47 Rinconada 433727.3
## 48 San Esteban 343062.5
## 49 La Ligua 376523.3
## 50 Cabildo 412032.8
## 51 Papudo 435021.3
## 52 Petorca 362197.5
## 53 Zapallar 335222.2
## 54 Quillota 399880.3
## 55 Calera 392565.2
## 56 Hijuelas 365650.0
## 57 La Cruz 331345.1
## 58 Nogales 343313.3
## 59 San Antonio 351258.5
## 60 Algarrobo 611302.3
## 61 Cartagena 445295.1
## 62 El Quisco 324457.1
## 63 El Tabo 385217.8
## 64 Santo Domingo 500362.3
## 65 San Felipe 488833.1
## 66 Catemu 304277.8
## 67 Llaillay 378444.4
## 68 Panquehue 432065.4
## 69 Putaendo 323875.0
## 70 Santa María 328932.6
## 71 Quilpué 549563.1
## 72 Limache 362182.4
## 73 Olmué 407865.4
## 74 Villa Alemana 486617.4
## 75 Rancagua 461822.0
## 76 Codegua 353178.4
## 77 Coinco 306800.0
## 78 Coltauco 394311.1
## 79 Doñihue 428892.2
## 80 Graneros 388881.1
## 81 Las Cabras 323133.3
## 82 Machalí 663276.6
## 83 Malloa 330157.9
## 84 Mostazal 395723.8
## 85 Olivar 379207.8
## 86 Peumo 345607.5
## 87 Pichidegua 338891.9
## 88 Quinta de Tilcoco 512741.9
## 89 Rengo 354588.8
## 90 Requínoa 359354.8
## 91 San Vicente 426803.3
## 92 Pichilemu 385930.2
## 93 La Estrella 364891.9
## 94 Litueche 334266.7
## 95 Marchihue 385435.9
## 96 Navidad 378000.0
## 97 Paredones 316150.0
## 98 San Fernando 396267.4
## 99 Chépica 330400.0
## 100 Chimbarongo 314271.6
## 101 Lolol 327407.4
## 102 Nancagua 351381.5
## 103 Palmilla 301378.2
## 104 Peralillo 356485.3
## 105 Placilla 331845.4
## 106 Pumanque 399466.7
## 107 Santa Cruz 414894.7
## 108 Talca 459716.5
## 109 Constitución 474719.2
## 110 Curepto 356772.7
## 111 Empedrado 317032.8
## 112 Maule 318597.6
## 113 Pelarco 308545.5
## 114 Pencahue 305940.9
## 115 Río Claro 320829.3
## 116 San Clemente 271211.5
## 117 San Rafael 315363.0
## 118 Cauquenes 371476.2
## 119 Chanco 326491.5
## 120 Pelluhue 325565.2
## 121 Curicó 411526.3
## 122 Hualañé 446168.7
## 123 Licantén 436352.9
## 124 Molina 381617.9
## 125 Rauco 321684.2
## 126 Romeral 335640.4
## 127 Sagrada Familia 319657.9
## 128 Teno 360318.8
## 129 Vichuquén 335860.8
## 130 Linares 356433.5
## 131 Colbún 330328.6
## 132 Longaví 259817.4
## 133 Parral 300219.5
## 134 Retiro 302315.8
## 135 San Javier 354487.0
## 136 Villa Alegre 335638.2
## 137 Yerbas Buenas 382637.7
## 138 Concepción 477702.4
## 139 Coronel 399930.1
## 140 Chiguayante 500198.7
## 141 Florida 300606.1
## 142 Hualqui 348652.2
## 143 Lota 364061.7
## 144 Penco 346770.0
## 145 San Pedro de la Paz 580186.6
## 146 Santa Juana 395778.8
## 147 Talcahuano 472098.9
## 148 Tomé 404000.0
## 149 Hualpén 425429.9
## 150 Lebu 347727.3
## 151 Arauco 597822.8
## 152 Cañete 396476.6
## 153 Contulmo 313000.0
## 154 Curanilahue 391627.4
## 155 Los Álamos 354750.0
## 156 Tirúa 336950.8
## 157 Los Ángeles 442286.8
## 158 Antuco 431305.6
## 159 Cabrero 418308.4
## 160 Laja 362136.4
## 161 Mulchén 336560.2
## 162 Nacimiento 423720.9
## 163 Negrete 313518.5
## 164 Quilaco 348081.6
## 165 Quilleco 333233.3
## 166 San Rosendo 378541.7
## 167 Santa Bárbara 333913.8
## 168 Tucapel 308616.7
## 169 Yumbel 398413.0
## 170 Alto Biobío 386036.4
## 171 Temuco 511920.4
## 172 Carahue 427937.5
## 173 Cunco 378066.7
## 174 Curarrehue 377393.4
## 175 Freire 407931.5
## 176 Galvarino 308396.8
## 177 Gorbea 422931.8
## 178 Lautaro 469037.0
## 179 Loncoche 333459.5
## 180 Melipeuco 396977.3
## 181 Nueva Imperial 361996.6
## 182 Padre Las Casas 381488.2
## 183 Perquenco 401753.8
## 184 Pitrufquén 381852.6
## 185 Pucón 376828.8
## 186 Saavedra 323282.6
## 187 Teodoro Schmidt 365877.4
## 188 Toltén 396625.0
## 189 Vilcún 276399.2
## 190 Villarrica 405580.1
## 191 Cholchol 330573.8
## 192 Angol 430989.5
## 193 Collipulli 334474.4
## 194 Curacautín 379360.7
## 195 Ercilla 381409.8
## 196 Lonquimay 390944.4
## 197 Los Sauces 317942.9
## 198 Lumaco 397125.0
## 199 Purén 322688.5
## 200 Renaico 379537.3
## 201 Traiguén 365323.8
## 202 Victoria 340949.7
## 203 Puerto Montt 481204.6
## 204 Calbuco 470433.5
## 205 Fresia 453871.0
## 206 Frutillar 348127.0
## 207 Los Muermos 401636.4
## 208 Llanquihue 397287.9
## 209 Maullín 402016.4
## 210 Puerto Varas 499472.1
## 211 Castro 543544.8
## 212 Ancud 390227.7
## 213 Chonchi 437851.0
## 214 Curaco de Vélez 452222.2
## 215 Dalcahue 480947.4
## 216 Puqueldón 336423.1
## 217 Queilén 346858.3
## 218 Quellón 409838.7
## 219 Quemchi 393848.5
## 220 Quinchao 588959.2
## 221 Osorno 446056.1
## 222 Puerto Octay 420063.3
## 223 Purranque 423033.0
## 224 Puyehue 380788.7
## 225 Río Negro 478678.0
## 226 San Juan de la Costa 317133.3
## 227 San Pablo 275390.6
## 228 Coyhaique 682095.6
## 229 Aysén 569413.5
## 230 Cisnes 507020.0
## 231 Cochrane 677952.4
## 232 Chile Chico 629977.3
## 233 Río Ibáñez 574285.7
## 234 Punta Arenas 704281.3
## 235 Porvenir 639867.5
## 236 Natales 462795.4
## 237 Santiago 668377.5
## 238 Cerrillos 397378.2
## 239 Cerro Navia 393517.1
## 240 Conchalí 413248.9
## 241 El Bosque 452884.9
## 242 Estación Central 485189.0
## 243 Huechuraba 371650.0
## 244 Independencia 427237.8
## 245 La Cisterna 571496.7
## 246 La Florida 552509.5
## 247 La Granja 406464.7
## 248 La Pintana 357716.5
## 249 La Reina 1114584.6
## 250 Las Condes 1600783.2
## 251 Lo Barnechea 854922.9
## 252 Lo Espejo 349586.3
## 253 Lo Prado 385656.3
## 254 Macul 461911.7
## 255 Maipú 521680.0
## 256 Ñuñoa 1188461.0
## 257 Pedro Aguirre Cerda 418844.8
## 258 Peñalolén 606869.5
## 259 Providencia 1393482.1
## 260 Pudahuel 425745.0
## 261 Quilicura 437851.6
## 262 Quinta Normal 426119.2
## 263 Recoleta 460993.0
## 264 Renca 393574.2
## 265 San Joaquín 402920.4
## 266 San Miguel 701263.0
## 267 San Ramón 372321.8
## 268 Vitacura 1862644.4
## 269 Puente Alto 443535.0
## 270 Pirque 850322.0
## 271 San José de Maipo 479689.2
## 272 Colina 440207.7
## 273 Lampa 515345.8
## 274 Tiltil 412131.1
## 275 San Bernardo 420878.7
## 276 Buin 392276.4
## 277 Calera de Tango 418073.8
## 278 Paine 460932.0
## 279 Melipilla 375937.3
## 280 Alhué 436358.7
## 281 Curacaví 356534.9
## 282 María Pinto 315592.6
## 283 San Pedro 282272.7
## 284 Talagante 544077.0
## 285 El Monte 327568.4
## 286 Isla de Maipo 304457.1
## 287 Padre Hurtado 577543.5
## 288 Peñaflor 433309.4
## 289 Valdivia 483472.7
## 290 Corral 338814.8
## 291 Lanco 366726.2
## 292 Los Lagos 366846.8
## 293 Máfil 403957.1
## 294 Mariquina 386662.7
## 295 Paillaco 307030.2
## 296 Panguipulli 348079.4
## 297 La Unión 384268.3
## 298 Futrono 324845.2
## 299 Lago Ranco 336548.4
## 300 Río Bueno 349520.8
## 301 Arica 528693.1
## 302 Camarones 321666.7
## 303 Putre 518850.5
## 304 Chillán 427734.3
## 305 Bulnes 269296.3
## 306 Chillán Viejo 396856.6
## 307 El Carmen 308235.3
## 308 Pemuco 317000.0
## 309 Pinto 287240.0
## 310 Quillón 276911.4
## 311 San Ignacio 266991.1
## 312 Yungay 398557.4
## 313 Quirihue 329835.2
## 314 Cobquecura 414685.2
## 315 Coelemu 414964.4
## 316 Ninhue 332908.3
## 317 Portezuelo 263342.9
## 318 Ránquil 403125.0
## 319 Treguaco 278603.5
## 320 San Carlos 360044.1
## 321 Coihueco 300041.7
## 322 Ñiquén 320765.0
## 323 San Fabián 321106.1
## 324 San Nicolás 306468.5